基于CNN的分片多尺度特征融合的图像分类方法

摘要

本发明公开了基于CNN的分片多尺度特征融合的图像分类方法，该方法按照以下步骤实施，首先获得已标注的图像训练集并进行预处理增强样本多样性，得到完整图像训练集；其次构建分片多尺度特征融合的特征提取卷积模块，卷积模块对完整图像训练集中的图像进行特征转换和特征提取，获取表示该图像样本的图像特征向量；将图像特征向量接入softmax分类器作为图像识别的输出；最后通过随机梯度下降法和反向传播算法训练获得的神经网络模型，损失函数收敛训练结束后即得到最终完成的模型。本发明的基于CNN的分片多尺度特征融合的图像分类方法，有效打破了不同网络优化范式间的壁垒，进一步提升网络模型对图像特征提取的性能，提高了模型精度。